تفاصيل هذه المقالة أتمتة تحويل محتوى النمط الطويل (مثل منشورات المدونة) إلى مؤشرات ترابط Twitter باستخدام Google Gemini-2.0 LLM و Chromadb و SPEREMLIT. إنشاء الخيط اليدوي يستغرق وقتًا طويلاً ؛ يقوم هذا التطبيق بتبسيط العملية.

نتائج تعلم المفتاح:

• أتمتة تحويل مؤشر ترابط المدونة إلى twitter باستخدام gemini -2.0 ، chromadb ، و spherlit.
• اكتساب خبرة عملية بناء تطبيق مؤشر ترابط مدونة إلى تويتر باستخدام نماذج التضمين والهندسة المطالعة AI-AI-
• فهم قدرات Gemini-2.0 لتحويل المحتوى الآلي.
• استكشف تكامل Chromadb لاسترجاع النص الدلالي الفعال.
• قم بإنشاء تطبيق عبر الويب التدليري لتحويل مؤشر ترابط PDF-to-Twitter سلس.
• ماجستير نماذج التضمين والهندسة المطالبة لتوليد المحتوى.

(هذه المقالة جزء من علوم البيانات المدونة.)

جدول المحتويات:

• Gemini-2.0 نظرة عامة على
• تم شرح قاعدة بيانات ناقل Chromadb
• مقدمة ui STREMELIT
• أتمتة توليد تغريدة: The Brationale
• إعداد المشروع مع conda
• تفاصيل التنفيذ
• خاتمة
• الأسئلة الشائعة

Gemini-2.0: غوص عميق

Gemini-2.0 ، نموذج اللغة المتقدمة المتعددة الوسائط المتقدمة من Google (LLM) ، يعزز بشكل كبير قدرات الذكاء الاصطناعي. يمكن الوصول إليه عبر واجهة برمجة تطبيقات Gemini-2.0-flash-Exp في استوديو Vertex AI ، يتفوق في:

• الفهم متعدد الوسائط ، والترميز ، والتعليمات المعقدة التالية ، والاتصال بالوظيفة باستخدام اللغة الطبيعية.
• توليد محتوى سياق.
التفكير والتحليل المعقد.
توليد الصور الأصلي ، وتحرير الصور ، والتحكم في النص إلى الكلام.
استجابات low-lysency (متغير فلاش).

يستخدم هذا المشروع

gemini -2.0-flash-exp API للسرعة والإخراج عالي الجودة.

chromadb: قاعدة بيانات التضمين

chromadb ، قاعدة بيانات تضمين المصدر المفتوح ، تخزن بكفاءة واسترداد تضمينات المتجهات. يسهل أدائه العالي التخزين والبحث وإدارة التضمينات التي تم إنشاؤها بواسطة نماذج الذكاء الاصطناعي. يتم تمكين عمليات البحث عن التشابه من خلال فهرسة المتجهات والمقارنة.

تشمل ميزات المفاتيح:

بحث تشابه فعال.
سهلة التكامل مع نماذج التضمين الشعبية.
التخزين المحلي والمثابرة.
استعلام مرن.
نشر خفيف الوزن.

chromadb يدعم التطبيق ، وتخزين واسترداد أجزاء النص ذات الصلة بناءً على التشابه الدلالي لتوليد مؤشرات الترابط الدقيقة.

SPEREMLIT UI: واجهة سهلة الاستخدام

SPEREMLIT هي مكتبة Python مفتوحة المصدر لبناء تطبيقات الويب التفاعلية لمشاريع AI/ML. تتيح بساطتها للمطورين إنشاء تطبيقات جذابة ووظيفية بسرعة.

ميزات المفتاح:

سهولة الاستخدام: تحويل البرامج النصية Python إلى تطبيقات الويب بسهولة.
عناصر واجهة مستخدمة إدخال تفاعلية (شرائح ، منسدات ، إلخ.).
تصور البيانات: يتكامل مع matplotlib ، و plessly ، و altair.
التحديثات في الوقت الفعلي: يعيد تطبيق التطبيق التلقائي على الكود أو تغييرات الإدخال.
لا حاجة إلى خبرة في تطوير الويب.

يتم استخدام SPEREMLIT هنا لتصميم واجهة التطبيق.

لماذا أتمتة توليد التغريد؟

يوفر توليد مؤشرات ترابط التغريد الأتمتة عدة مزايا:

• الكفاءة: يقلل من الوقت الاستثمار في إنشاء سلاسل الرسائل.
• التناسق: يحافظ على صوت وشكل ثابتان.
• قابلية التوسع: يعالج مقالات متعددة بكفاءة.
• المشاركة: يخلق محتوى أكثر إقناعًا.
• التحسين: يستخدم أساليب تعتمد على البيانات لهيكلة مؤشر ترابط فعالة.

إعداد بيئة المشروع (conda)

إنشاء بيئة كوندا:
1. create -n Tweet -gen python = 3.11
تفعيل البيئة:
2. conda تنشط التغريد gen
تثبيت الحزم:
3. pip تثبيت langchain langchain-community langchain-google-genai PIP تثبيت chromadb التدفق python-dotenv pypdf pydantic

   pip install langchain langchain-community langchain-google-genai
   pip install chromadb streamlit python-dotenv pypdf pydantic

إنشاء ملف
4. . env ملف (في جذر المشروع) مع google_api_key.

تفاصيل التنفيذ (مبسطة)

يستخدم التطبيق العديد من ملفات Python:

services.py

، remody.py ، main.py ، و models.py يحدد نماذج Pydantic لمحتوى المقالة ومواضيع Twitter. Services.py يحتوي على المنطق الأساسي لمعالجة PDF ، وتوليد التضمين ، واسترجاع قطعة الصلة ، وتوليد مؤشرات الترابط باستخدام Gemini-2.0. يوفر main.py واجهة سطر الأوامر للاختبار ، بينما يقوم يتولى الكود بكفاءة تحميل PDF ، تقسيم النص ، إنشاء التضمين باستخدام chromadb ، وتوليد تغريدة باستخدام موجه مصنوع جيدًا. خاتمة

يعرض هذا المشروع قوة الجمع بين تقنيات الذكاء الاصطناعي لإعادة استخدام المحتوى الفعال. تمكين Gemini-2.0 و Chromadb من توفير الوقت والإخراج عالي الجودة. تضمن البنية المعيارية الصيانة والمتوسطة ، في حين أن واجهة التبسيط تعزز إمكانية الوصول.

مفتاح الوجبات السريعة:

تكامل ناجح لأدوات الذكاء الاصطناعي المتطورة لأتمتة المحتوى العملي.

بنية معيارية لسهولة الصيانة والتحسينات المستقبلية.

• واجهة التدفق السالح للمستخدمين للمستخدمين غير الفنيين.
• يتعامل مع أنواع المحتوى وأحجام المحتوى المختلفة.
• أسئلة يتم طرحها بشكل متكرر

Q1:

كيف يتعامل النظام مع المقالات الطويلة؟
• A1:

  Recursivecharactertextsplitter يقسم مقالات طويلة إلى قطع أصغر يمكن التحكم فيها للتضمين والتخزين في chromadb. يتم استرداد القطع ذات الصلة أثناء توليد مؤشرات الترابط باستخدام بحث التشابه.

  Q2:
ما هو إعداد درجة الحرارة الأمثل لـ Gemini-2.0؟
• A2:

  0.7 يوفر توازنًا بين الإبداع والتماسك. اضبط هذا بناءً على احتياجاتك.

  Q3:
كيف يضمن النظام امتثال طول التغريد؟
• A3:

  يحدد المطالبة بشكل صريح حد 280 حرفًا ، ويتم تدريب LLM على الالتزام به. يمكن إضافة التحقق البرمجي إضافي.

  (ملاحظة: الصور في هذه المقالة ليست مملوكة للمؤلف ويتم استخدامها بإذن.)